铝酸钠溶液精滤工序（叶滤）是氧化铝生产工艺中必不可少的一个重要环节，实现精滤生产过程的自动控制对于提高氧化铝生产的产品质量与生产效率至关重要。叶滤生产过程设备较多，工艺流程复杂，并且控制系统中回路控制和逻辑控制交织在一起。本文设计并研发了由真实的控制系统和虚拟的叶滤过程仿真对象组成的铝酸钠叶滤过程控制仿真实验平台，该平台可以用于叶滤过程的建模、控制、优化等方面的实验研究，特别是为叶滤过程的先进控制、故障诊断、容错控制等方法的深入研究提供了工程化的实验平台，可有效降低现场的调试风险和调试成本。

研究了基于Hilbert-Huang变换的天然气管道泄漏检测方法。该方法利用Hilbert边际谱的能量变化来研究远距离传播后管道泄漏声信号的频带特征，然后通过实时监测特征频带内信号的Hilbert谱与正常信号相比是否发生明显变化来判断其中是否含有泄漏声波，最后根据管道两端检测到泄漏声波的时间差进行定位。基于实际管道历史数据的在线测试结果验证了算法的有效性。

针对氧化铝蒸发过程故障检测中标注者不切实际的假设和控制参数难以确定问题，提出改进的代价敏感主动学习方法。给出了代价敏感主动学习形式化描述和放松了标注者不切实际的假设。为了提高分类精度和减少标注代价，该方法结合粒子群优化和代价敏感主动学习。利用连续的粒子群优化代价敏感主动学习的控制参数，该参数用于最大化未标注样本的信息度和最小化标注代价。将所提出的方法应用于氧化铝蒸发过程故障检测，实验结果表明，该方法能正确地选择控制参数，有效地减少了误分类代价和标注代价，提高了故障检测率。

针对花生四烯酸(ARA)发酵过程复杂，机理模型表达不够准确以及单模型泛化能力弱的问题，提出采用基于仿射传播聚类的支持向量机(SVM)多模型建模算法进行该过程建模。该算法首先用仿射传播聚类(AP)算法对ARA样本数据进行聚类，再用SVM算法对各子类样本分别建立子模型。测试样本根据相似性的测度进行归类，并用所属子类的模型进行预测输出。ARA发酵过程的建模实验表明，与其他建模算法相比，基于仿射传播聚类的SVM多模型建模算法所建立的模型具有更高的回归精度和良好的泛化能力。

在网络化控制系统中，网络的介入带来了一些不利于系统控制的问题，如数据传输中普遍存在的随机时变延时，数据丢失和数据时序颠倒等。在预测控制思想的基础上，针对前馈通道和反馈通道同时存在网络传输环节的情况，采用asNMPC(advanced-step nonlinear model predictive control)方法实现了对于非线性网络化控制系统中上述问题的补偿控制。模型失配情况下与DMC(dynamic matrix control)进行比较，仿真结果表明了asNMPC方法对于非线性网络化控制系统的有效性。

基于多级表述策略，提出了二次求解具有控制切换结构动态优化问题的数值方法。基于常用的优化方法获得初始控制结构。动态优化问题根据控制结构进行分级，每一级对应一个特定的控制弧段，进而将原问题表述为一个多级动态优化问题。基于控制向量参数化(CVP)，多级动态优化问题转化为一个非线性规划(NLP)问题进行求解。控制参数和级长作为优化变量。基于Pontryagin极大值原理，构造多级伴随系统，进而获得NLP求解器所需的梯度信息。仿真实例验证了方法的有效性。

针对RCR算法难以建立高精度的非线性软测量模型的问题，提出了一种径向基函数(radial basis function,RBF)与鲁棒连续回归(robust continuum regression,RCR)相结合的非线性RCR(nonlinear RCR,NLRCR)建模方法。该方法首先应用RBF将非线性样本数据映射到高维特征空间中，然后在高维特征空间中建立RCR线性回归模型。本文通过仿真实验,验证了方法的有效性。并将其应用于延迟焦化汽油干点的软测量建模中，获得了比RCR和RBF-PLS算法更高的预测精度。

针对脉冲燃烧方式的天然气加热炉所具有的典型分布参数特点，提出一种多工况炉温模糊优化控制策略。将加热炉不同段的炉温偏差和偏差变化率作为模糊推理的输入信息，对每一个炉温调整点设计一组二维模糊控制器;根据升温段和保温段这两种工况下的加热过程特点，分别设定模糊控制规则;基于变论域的思想，采用自适应变异差分进化算法，根据搜索进展情况自适应地确定变异率，通过构造动态适应度函数，使优化后的模糊控制达到满意程度。实际运行结果表明，本文所提方法能够较好地控制钛坯加热炉的炉温。

针对工业过程的非线性和动态特性，提出一种基于动态最大方差展开（DMVU）和单类支持向量机（OCSVM）的故障诊断方法DMVU-OCSVM。为了分析数据的动态特性和非线性，应用流形学习技术DMVU提取数据变量中的非线性动态流形特征。基于所提取的流形特征信息建立OCSVM统计模型，并构造非线性监控统计量实时检测过程故障。在连续搅拌反应器（CSTR）系统上的仿真结果说明，本文提出的方法能够比OCSVM更有效地检测过程故障。

针对甲苯氯化侧反应与精馏集成生产过程，在对实际生产过程合理简化与假设基础上，研制了该生产过程含控制策略的动态模拟系统。在动态模拟系统中合理设置引起反应能力与分离能力不匹配故障因素，如反应器进料配比失调、回流量过低和塔釜加热量不足等过程扰动，进行故障动态仿真研究。分析在故障扰动下整个系统的故障动态特性，获得有效的故障数据，解决了在实际生产装置上无法进行故障实验研究获取系统故障信息的难题。

针对石化企业供应链计划层的不确定性，提出了一种多周期、多产品的计划优化模型。基于离散时间建模方法，利用模糊可能性方法将不确定性问题转化为确定性问题，建立了混合整数线性规划模型。同时采用模型预测控制思想，利用模型的动态属性为决策者提供了不同满意度下的决策序列。以某炼油企业供应链为实例，证明了本方法的有效性。

在建立复杂生产过程软测量模型时，使用单一的支持向量机模型或基于传统聚类方法的组合支持向量机模型有时难以很好地跟踪突变信号或取得满意的泛化效果。为解决这个问题提出了一种改进的线性判别分析算法。该算法结合类边界分析得到类别的特征向量，利用该特征向量将数据变换后分别建立支持向量机子模型，并用各组特征向量中有效特征值之和构建各子模型的组合参数。仿真实验表明该组合模型能降低相邻类别间的信息干扰，提高模型的估计精度。

磨矿分级过程（GCP）是冶金选矿行业的关键流程，其产品粒度指标必须严格控制，以保证精矿产品品位和金属回收率。GCP本质上是一个多变量强耦合过程，具有时滞和逆向特性，且存在强扰动。扰动的存在造成系统控制性能变差，甚至不稳定。以两输入两输出GCP为研究对象，提出了一种基于扰动观测器（DOB）的模型预测控制（MPC）复合控制方案DOB-MPC。仿真研究表明DOB-MPC不仅可以有效抑制GCP的外部扰动，而且可以抑制由模型失配和变量之间的耦合而导致的内部扰动;在获得良好的解耦控制能力的同时，取得了满意的抗扰动性能。

利用模糊C均值聚类对种群自适应划分，提出一种基于模糊C均值聚类的多群竞争粒子群优化算法。根据种群规模选择不同的寻优策略，规模大者采用标准粒子群算法寻优，规模小者在最优解邻域随机搜索，增大跳出局部最优概率。在每个聚类内部，个体相互通信，通过竞争学习分别找到各聚类种群的适应值，按照不同聚类的适应值排序，再把适应值小者向其邻近的适应值大者融合，通过种群间的竞争保证种群向最优解搜索。该算法避免陷入局部最优，提高了算法的全局搜索能力，通过标准函数验证了算法的有效性。最后，把提出的优化算法应用到高密度聚乙烯装置（HDPE）乙烯单体总消耗的优化操作，实际应用效果良好。

针对具有状态、输入和中间变量约束的连续时间Hammerstein系统，提出了一种多变量构造性模型预测控制策略。首先，基于Hammerstein系统的特殊结构，利用Raccati方程构造线性环节的控制Lyapunov函数，进而设计其一族可调控制律（即稳定控制类）。其次，对约束Hammerstein系统定义一个有限时域滚动优化控制问题，通过在线优化计算实际预测控制量。利用Lyapunov稳定性定理建立闭环系统渐近稳定的充分条件。最后，以工业聚丙烯装置牌号切换控制为例，仿真验证本文结果的有效性。

汽油辛烷值的实时检测对生产高品质的汽油及控制调和装置具有重要意义。针对传统辛烷值检测方法的不足，设计了基于拉曼分析技术的汽油调和过程中辛烷值的测定系统。系统由拉曼光谱检测、汽油拉曼光谱数据的预处理、汽油辛烷值预测模型组成。实践证明，该辛烷值测定系统能够准确检测调和过程中汽油辛烷值，并实时显示调和过程中汽油拉曼谱图。

针对具有3个换热器结构的外部热耦合双精馏塔(S-EHIDDiC)，提出了一种新型的控制与优化策略。顶部与底部换热器的热负荷能够改变高压精馏塔的回流量和低压精馏塔的上升汽量，因而可以用来控制高压精馏塔塔顶和低压精馏塔塔底的产品质量。这种控制方法与常规精馏塔的LV控制结构相似。S-EHIDDiC还有多余的决策变量(如进料分流比，高压精馏塔塔压和中间换热器的热负荷)，可以对稳态操作进行优化。闭环仿真证明了这种控制结构的可行性，稳态优化也提高了系统的热力学效率。

针对非线性预测控制(NMPC)在线优化计算量大这一关键问题，提出一种基于全局正交配置的非线性预测控制算法。该算法以高阶插值正交多项式为基函数同时配置优化时域内的状态变量和控制变量，将连续动态优化问题转化为非线性规划问题(NLP)求解。全局正交配置可以使用较少的配置点而获得较高的逼近精度，这样即使NMPC使用很长的优化时域，离散化后得到的NLP问题的规模也比较小，能够有效地降低在线优化计算量。最后，以连续聚合反应过程为例验证了算法的有效性。

热定型过程是印染工业中的主要耗能单元之一。首先，基于定型机的物理结构及工艺原理，依据换热平衡和牛顿热交换公式，推导出能耗与定型过程关键因素间的相互关联模型，即能耗模型。其次，在Matlab/Simulink软件中，对上述模型进行构建。最后，将能耗模型转化为能耗最小的优化问题，运用粒子群优化算法对其进行求解。现场工业数据的仿真研究表明：能耗模型符合现场工艺，粒子群优化结果已得到现场工程师的初步认可。

基于ASTM D2887与ASTM D86测试标准的馏程关联方法是气相色谱模拟蒸馏工程应用的一个重要技术研究方向，关联模型的泛化能力和鲁棒性是评价模型性能的主要指标。根据色谱模拟蒸馏技术的恩氏蒸馏馏程测定方法，以ASTM方法模型为基础，利用模型计算值与实验值之间的误差获得模型校正参数，对原始模型进行校正，提出了基于加权优化均方差及方差的关联建模方法。通过理论分析、数学计算及工程应用，验证该方法具有很好的鲁棒性和泛化性。工程应用结果表明：提出的色谱模拟蒸馏与恩氏蒸馏数据的关联方法，不仅能扩展模拟蒸馏的使用范围，而且为快速测定油品馏程提供一种可靠的分析手段。

以中国石油兰州石化公司46万吨/年乙烯装置裂解炉为对象，设计并实施了5台SC-1型乙烯裂解炉先进控制系统,包括平均COT温度控制、管间温度平衡控制、总进料流量控制。详细描述了该系统的工程实施，介绍了先进控制系统硬软件结构、先进控制与常规控制的切换逻辑、先进控制DCS操作界面。本系统的投用极大地提高了裂解炉控制的平稳性和控制精度，带来了显著的经济效益。

针对化工过程的控制结构设计问题，提出了一种构造被控变量的新方法。选取最优性条件（NCO）为被控变量，可在反馈控制器作用下使过程运行在最优点。针对某些NCO条件在线不可测的问题，基于神经网络找到可测变量的非线性函数关系来近似NCO条件，并选取这些函数关系为被控变量。对一个放热反应过程的研究表明，提出的方法可对过程近似优化控制。

针对凝汽器真空故障诊断的不确定性和复杂性，提出一种基于模糊粗糙集和事例推理的凝汽器故障诊断新方法。首先，运用模糊粗糙集属性约简方法对故障特征进行约简和权重分配，不仅提取了反映故障的主要特征量，降低了特征变量之间的非线性相关性，而且避免了人的主观性对权重分配的影响。然后，在分析凝汽器真空故障特征的基础上，建立凝汽器真空故障树，以约简特征作为条件对故障树根节点进行归纳检索，有效地减少了候选事例的数量，再通过最近邻法检索故障树叶节点，对凝汽器真空故障进行智能定位。通过对汽轮机凝汽器历史故障特征数据集仿真，验证了该方法的有效性。

针对管网升压事件讨论低温空分三塔精馏热耦合流程的变负荷操作模拟问题。分析认为，此大规模变负荷问题的求解难点在于耦合流程操作变量的微小变化引起了精馏塔浓度波形的大幅度移动，某些变量在微小步长上产生数量级的变化，基于牛顿法及其改进算法的数值计算方法在梯度计算中难以获得正确的下降方向，导致收敛困难。利用工况变量构造同伦参数并采用回溯同伦法(HBM)进行自动搜索，可以有效解决考虑耦合换热器换热面积计算的变负荷问题，能够描述因粗氩塔顶换热温差减小引起的“氮塞”现象，对过程控制更有指导意义。

针对小波神经网络存在收敛速度缓慢且容易陷入局部极小的问题，提出一种参数修正改进算法。首先，输出层神经元函数采用双曲正切函数代替传统的Sigmoid函数;其次，通过在权值调整式中增加动量项的方法选择学习步长，以提高网络学习效率。利用所提改进方法建立催化裂化主分馏塔轻柴油凝点软测量模型，结果表明,改进小波神经网络模型的预测精度和泛化能力优于BP神经网络和小波神经网络模型，对生产有重要的指导意义。

发酵过程优化问题通常包含有互相冲突的多重优化目标，另外反应本身具有诸多复杂性。提出一种基于Pareto的分布式Q学习多目标策略，用以求解赖氨酸分批补料发酵过程流加速率轨迹的Pareto最优解。该策略中，Q学习算法和Pareto排序法将结合来产生非支配解集，并使之逼近真实的Pareto前沿，利用奖赏机制来描述多重目标之间的关系，并同时使用多组含有随机初始值的agent共同作用改善搜索能力。将所提出的方法应用于赖氨酸分批补料发酵过程的优化中，并与粒子群优化进行了对比，验证策略的性能。

针对锌湿法冶炼净化过程中钴离子浓度LS-SVM软测量建模方法精度低的问题，将最小二乘支持向量机（LS-SVM）和自回归滑动平均模型（ARMA）融合建立钴离子浓度融合软测量模型，首先通过离子浓度序列的小波变换获得序列的低频和高频子序列，对各子序列分别进行相空间重构，并在相空间中分别建立最小二乘支持向量机模型，然后将各模型的输出利用小波重构整合得到钴离子基于LS-SVM软测量结果，利用自回归滑动平均模型对基于LS-SVM模型输出误差信息进行建模，通过对两个模型的融合，获得融合模型的软测量估计值。将该方法应用于锌液净化除钴段入口钴离子浓度的软测量，结果表明该方法比单一的LS-SVM方法具有更好的泛化性能和测量精度，显示出良好的应用潜力。

生产过程的变负荷运行使得其非线性动态特性的影响凸显。针对变负荷生产过程中机理模型为常微分方程或半显式Heisenberg微分-代数方程的一类非线性动态系统，采用非线性预测控制算法，构造出稳态优化与动态优化的两层控制结构，并采用联立法进行优化数值求解。最后对化工过程的夹套CSTR进行仿真验证，表明该算法的有效性。

首先给出了模糊规划中单、双边非线性隶属函数的构建技术。为了解决非线性模糊规划的求解困难问题，进一步提出了一种针对这两类非线性隶属函数进行分段线性化的方法，由高斯取整函数计算出非线性隶属函数的离散点，再根据决策者选择的基准点得到分段线性的隶属函数。构建了相应的模糊规划的规范求解形式，并对数值实例进行了测试，验证了其有效性。

针对如何准确测定混合染液染料浓度，尤其当混合染液浓度太大时由于染料自身发生如水解等化学变化以及染料之间的相互作用，其吸光度体系呈非线性的情况，提出了通过建立非线性吸光度模型，并利用粒子滤波算法同时测定混合染液中各染料浓度的解决方法。以3种活性染料的混合染液为例,对该方法的可行性进行验证，并与扩展卡尔曼滤波算法进行滤波效果对比。实例证明,非线性吸光度模型是准确的，基于粒子滤波算法的测定方法是有效可行的。

聚丙烯熔融指数的实时预报非常重要却十分困难，提出了一种经过新型蚁群算法优化后的PCA-RBF神经网络方法进行熔融指数预报。PCA将原始数据从高维空间映射到低维空间，剔除冗余信息和提取过程特征;RBF神经网络则用来拟合输入与输出之间的非线性关系;最后用适用于连续空间寻优问题的新型蚁群算法对RBF神经网络权值进行优化。实际生产数据的研究结果，表明了所提出的熔融指数预报模型的准确性和可靠性。

针对化工过程中广泛使用的连续搅拌反应釜(CSTR)，提出一种基于神经网络的模型预测控制策略，采用分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法，在此基础上建立线性自回归模式〖DK〗(ARX)结构和高斯径向基神经网络串联的非线性预测控制器。利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律，从而实现一种基于支持向量机Hammerstein-Wiener辨识模型的非线性神经网络预测控制算法。对CSTR的仿真结果表明，该方法能够更有效地跟踪控制反应物浓度。

针对单模型描述复杂非线性对象时估计精度低、泛化能力差的问题，提出了一种基于局部重构融合流形聚类的多模型软测量建模方法。该方法将样本集拆分为多个互不相交的样本子簇，克服异常样本点对聚类结果的影响;以各样本子簇重构线性流形面，将属于同一流形面且相距较近的样本子簇进行融合;采用支持向量机为各个子类建立回归子模型，得到一个基于多个子模型的软测量组合模型。在双酚A生产过程质量指标的软测量建模仿真中验证了该方法的有效性。

对IB(Inverse Boosting)〖JP+1〗神经网络集成算法进行了研究，提出了IB算法的改进算法IB+算法。改进算法继承了IB算法的逆向样本分布调整策略，并在训练的过程中将部分已训练好的个体子网进行中间层网络集成，利用该中间层集成网络生成新的训练样本分布。实验结果表明，对于逆向权值分布的Boosting类算法，个体子网之间的关联度对网络集成后的泛化性能影响很小，减小个体网络的泛化误差将使集成后的泛化性能提高。

气固两相流质量流量的检测和控制是工业上长期未能有效解决的难题。从工业角度出发，采用电容层析成像技术建立了一种改进型螺旋表面极板电容式传感器。通过有限元仿真的方式，分析了极板张角、管壁介电常数、管壁厚度对灵敏场分布和均匀性误差参数的影响。通过仿真分析，确定了各传感器模型参数的取值范围，为灵敏场分布的改善、传感器的优化设计和传感器系统性能的提高提供了必要的理论基础。

将3个二甲苯异构体集总为一个组分，提出一个新的异构化三角反应网络，建立工业异构化反应器模型。基于多组平衡的工业数据，采用传统的优化方法估计动力学参数，然后对不同操作条件下的大量工业数据进行仿真，结果表明模型估计值与观测值相当吻合。与其他模型相比，文中开发的模型在相对误差、相对均方误差和参数估计时间等性能指标上均体现出优越性。

将等离子体裂解煤的新工艺过程，利用三维仿真可视化技术建立了全流程的监控系统，通过采集生产实时数据，可以对生产过程进行三维可视化监控。该工艺过程监控系统的三个组成部分，包括三维建模环境、过程集成仿真系统与可视化监控平台，并且针对具体的工艺流程，详细说明了每个部分的原理与实现过程。该系统通过生产过程与数据的可视化呈现以及现场应用实例，可以为等离子体裂解煤工艺过程的流程模拟仿真培训与三维可视化的实时过程监控提供有效的支持。

针对工业过程故障检测问题，提出了一种改进多尺度主元分析方法。首先针对过程数据所具有的随机性、非平稳性及含有大量噪声等特点，提出了一种改进小波变换阈值去噪方法，移除原始过程数据中的大部分高频随机噪声，提高数据的置信度，然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，在各个尺度矩阵建立相应的主元分析模型，以模型统计量控制限为阈值，对小波系数重构得到综合尺度主元分析模型。将该改进多尺度主元分析方法应用于丙烯聚合过程监测与故障诊断研究中，研究结果表明，与传统多尺度主元分析相比，改进多尺度主元分析减少了误报率和漏报率，提高了过程监测与故障诊断的精度。

该仿真系统以厚板轧后加速冷却控制系统为对象，创建了加速冷却整个控制过程闭环的仿真环境（包括过程控制系统L2、L1和冷却生产线模拟装置），实现了对冷却装置的预设定功能、前馈在线补偿控制功能、反馈自适应控制功能等。使整个离线系统完全仿真了目前在线生产中应用的过程控制系统的全部功能，为现场轧后冷却控制系统的精度提高、问题分析提供了研究分析的手段和平台，降低了新功能投入的风险。

采用常压反应-减压精馏耦合装置应用于甲苯氯化体系生产氯化苄。为了找到集成装置的最佳结构参数，建立了以独立反应量为基础的模型方程，并开发了基于Powell法的多层优化设计法。结果表明，在塔釜上升蒸汽量一定的情况下，增加精馏塔分离段塔板数、反应器台数、相邻反应器间间隔塔板数,反应能力有所增加，然而当其超过一定值后，反应能力增加的趋势不明显;在优化得到的结构操作参数下，反应能力与分离能力达到最佳匹配。

针对现有粒子群优化算法在工程应用中，特别是在粒子维数较高的情况下，很容易发生早熟收敛等缺点，提出了一种基于粒子健康度的快速收敛粒子群优化算法(HPSO)。给出了粒子健康度的概念及计算方法。该算法通过动态监控粒子的健康度指标，对健康度较低的粒子单独进行变异操作。从而可以在保护健康粒子继续搜索最优值的同时，有效“治疗”非健康的早熟粒子，提高了整个粒子群的寻优能力及跳出局部最优值的能力。然后通过大量的标准测试函数对其进行测试，并将其与标准粒子群优化算法(SPSO)、权重递减的粒子群优化算法(WPSO)进行对比。测试结果表明，在粒子维数较高的应用中HPSO算法的收敛速度更快，效率更高。

空分是国民经济发展不可或缺的行业，其能耗是该行业发展的瓶颈。内部热耦合空分塔（ITCASC）改变了传统空分塔结构，可达到良好的节能效果，是空分节能控制研究的前沿。本文提出了一种ITCASC混合建模方法，用液相组成、压强和相平衡温度的PCA-CGA-RBF统计模型，代替传统机理建模中泡点法计算温度的过程，可以显著提高模型求解效率。研究结果表明，混合模型求解时间从机理模型的31.06 s减少为11.18 s，减少了64.01%，而模型精度基本不变，有助于进一步的优化控制研究。

针对化工过程中那些因存在批处理、含有物料回流环节而很难达到稳态的过程以及一些因扰动的存在而很难精确地操作在一个设定点处的非线性过程，采用常规的稳态优化会产生低效或失效优化解的问题，提出一种动态实时优化策略。即在多层控制结构中的RTO层采用动态优化而非常规的稳态优化，依照过程的优化操作信息在满足过程动态规律和物料、产品市场价格变化的条件下实现生产的经济利润最优，事例仿真结果表明该方法的可行性和有效性。

提出了离线结构学习和在线权值校正相结合的双模型结构RBF神经网络，以离线学习和在线校正相结合的方式实现网络的自学习和自校正，满足了软测量仪表现场应用的要求。针对应用过程中出现预测误差过大的现象，通过对网络算法进行分析，研究影响网络预测精度的因素，在此基础上，提出了以K均值聚类法和递推下降算法相结合的RBF神经网络建模改进算法，仿真结果和实际应用证明了改进算法的有效性。

针对芳烃异构化过程的非线性、复杂性，提出利用仿射传播聚类和最小二乘支持向量机对芳烃异构化过程进行多模型建模，以此来弥补单一模型建模的不足。首先仿射传播聚类对异构化数据聚类，利用最小二乘支持向量机对聚类之后的各个类分别建立子模型，通过计算欧氏距离来判断测试样本的所属类，将测试样本送入所属类的模型进行预测，以此来实现异构化过程的多模型预测。实验证明，与单模型以及基于k均值聚类的神经网络模型相比，本文提出的基于仿射传播聚类的最小二乘支持向量机模型更能准确地预测输出。

提出了一种新的基于自适应lévy变异的极值动力学和信息融合搜索的混合算法。新算法将全局搜索和局部搜索机制有机地结合起来，在全局搜索过程中，信息融合搜索算法(IFA)作为一种群智能进化算法，能够快速地逼近近似最优解;在局部搜索过程中,通过选择近似解的最差组元进行自适应lévy变异，利用极值动力学算法（EO)强大的局部搜索能力，协助IFA跳出局部极值点。将其运用于超临界水氧化去除率神经网络软测量建模，实验结果表明了方法的有效性和实用性。

通过采用牛顿冷却定律与傅里叶实验定律，对金属管壁、管内壁和管外壁换热方式分别进行了分析，同时通过对边界条件进行综合，得到了空气温度与导热油温度、流量以及空气速度之间的动态关系。仿真与实验结果中该模型与实际系统的动态与静态特性相对符合，统计数据与分析表明模型精度能够满足实际应用要求。

提出一种基于增强的全局K’-means算法（EGK’M）-RBF网络的建模方法，该方法采用作者提出的 EGK’M来确定RBF网络隐含层的结构，包括隐含层中心个数、中心位置以及隐含层扩展常数，采用KPCA提取非线性特征信息，实现辅助变量的二次选择。并与基于PCA和EGK’M-RBF网络模型、基于

已有乙烯装置能效评估没有考虑装置之间原料、工艺技术和装置规模的差异，忽略了装置相关因素对能效指标的影响，无法系统地分析影响因素中隐藏的节能机会。本文针对乙烯装置不同工艺、规模以及能耗数据（燃料、电、蒸汽和水）分布特点，结合能效指数系统分析乙烯装置界区下影响乙烯流程能效的关键因素，给出乙烯装置能效分析方法。在能效分析的基础上，提出基于关联层次模型的乙烯装置能效虚拟对标方法，将能效指标和影响因素放在同一平台上分析，优于目前企业常用的均值法和指标最优法。运用该方法建立某乙烯装置乃至整个乙烯行业的能效虚拟对标，说明该方法更具有效性，更有助于找到节能降耗的方向与量化目标。